[发明专利]目标对象的缺陷检测、模型训练方法、装置、设备及介质

说明书

本申请公开了一种目标对象的缺陷检测、模型训练方法、装置、设备及介质，该检测方法对目标对象的第一图像进行感兴趣区域的检测和裁剪，得到缺陷子图，能够快速定位到目标对象中需要检测的缺陷的位置，且对缺陷子图进行检测，有利于减小整体的数据处理量，提高数据处理效率；在缺陷检测过程中，提取图像特征数据后，对图像特征数据进行语义分割处理以确定缺陷的轮廓信息，进而确定缺陷的形态参数，并对图像特征数据进行缺陷分类处理以确定缺陷的类别。本申请实施例通过语义分割结合目标对象分类进行缺陷检测，能够更为高效、准确地得到目标的缺陷检测结果，有利于提高缺陷定位和识别的鲁棒性。本申请的技术方案可广泛应用于图像处理技术领域。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种目标对象的缺陷检测、模型训练方法、装置、设备及介质。

背景技术

近年来，随着人工智能技术的飞速发展，各种类型的机器学习模型在图像分类、人脸识别、自动驾驶等领域均取得了较为良好的应用效果。其中，在工业生产领域中，存在有使用计算机视觉技术对目标对象(一般是工业产品)的缺陷进行检测的应用。

相关技术中，由于生产环境的复杂性、工艺标准的不统一等因素，产品上的缺陷形式可能是多种多样的。目前的缺陷检测方法，往往仅适用于单一缺陷检测的类型，当面临复杂多样的检测需求时，检测结果的准确性较低，检测效率不高。

发明内容

以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

本申请实施例提供了一种目标缺陷检测、模型训练方法、装置、电子设备及介质，能够提高目标缺陷检测的准确性和检测效率。

一方面，本申请实施例提供了一种目标对象的缺陷检测方法，包括：

获取目标对象的第一图像；

检测所述第一图像中的感兴趣区域，对所述感兴趣区域进行裁剪，得到所述目标对象的缺陷子图；

提取所述缺陷子图的图像特征数据；

根据所述图像特征数据对所述缺陷子图进行语义分割处理，得到所述缺陷子图的缺陷轮廓；根据所述图像特征数据对所述缺陷子图进行缺陷分类处理，得到所述缺陷子图中缺陷的类别信息；

根据所述缺陷轮廓，确定所述缺陷子图中缺陷的形态参数；

根据各个所述缺陷子图中缺陷的所述类别信息和所述形态参数，确定所述目标对象的缺陷检测结果。

另一方面，本申请实施例还提供了一种目标对象缺陷检测模型的训练方法，包括：

获取多个样本子图；所述样本子图携带有缺陷标签；所述缺陷标签用于表征所述样本子图的缺陷轮廓和所述样本子图中缺陷的类别信息；

通过目标对象缺陷检测模型提取各个所述样本子图的图像特征数据；

根据所述图像特征数据对所述样本子图进行语义分割处理，得到所述样本子图的缺陷轮廓预测结果；

根据所述图像特征数据对所述样本子图进行缺陷分类处理，得到所述样本子图中缺陷的类别信息预测结果；

根据所述缺陷轮廓预测结果和所述缺陷标签，确定第一损失值；

根据所述类别信息预测结果和所述缺陷标签，确定第二损失值；

根据所述第一损失值和所述第二损失值，对所述目标缺陷检测模型的参数进行更新，得到训练好的目标缺陷检测模型。

另一方面，本申请实施例还提供了一种目标对象缺陷检测装置，包括：

获取模块，用于获取目标对象的第一图像；